基于視頻監(jiān)控的人流量統(tǒng)計(jì)系統(tǒng)研究.pdf

1、在機(jī)器視覺領(lǐng)域，人流量統(tǒng)計(jì)成為近來年研究的熱點(diǎn)問題。對(duì)公共場(chǎng)所進(jìn)行人流量統(tǒng)計(jì)，可以更加有效的對(duì)公共場(chǎng)所進(jìn)行管理。在人流量統(tǒng)計(jì)系統(tǒng)中，行人目標(biāo)的檢測(cè)與跟蹤是其關(guān)鍵技術(shù)。
　　本文在攝像機(jī)固定并且有一定角度拍攝情況下，針對(duì)攝像頭采集到的視頻圖像，對(duì)行人目標(biāo)進(jìn)行檢測(cè)、跟蹤、統(tǒng)計(jì)計(jì)數(shù)。
　　在運(yùn)動(dòng)目標(biāo)檢測(cè)方面，研究了常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，幀間差分法和背景消減法，分析了兩種方法的優(yōu)缺點(diǎn)和適用環(huán)境，并發(fā)展了一種結(jié)合對(duì)稱差分法和背景差分

2、法的行人目標(biāo)檢測(cè)算法，利用混合高斯建模對(duì)背景進(jìn)行更新。在行人檢測(cè)方面，針對(duì)不同的場(chǎng)景分析了人頭特征在行人目標(biāo)檢測(cè)中的優(yōu)勢(shì)，在人頭檢測(cè)方面，選擇了 Haar特征并應(yīng)用改進(jìn)的 Adaboost分類器對(duì)人頭目標(biāo)進(jìn)行檢測(cè)。首先對(duì) Haar特征及積分圖像進(jìn)行了介紹，通過計(jì)算可以得到特征值。并且詳細(xì)介紹了 Adaboost分類器的訓(xùn)練方法和檢測(cè)方法，并對(duì)檢測(cè)方法進(jìn)行了改進(jìn)，在人頭檢測(cè)模塊，提出了基于連通區(qū)域的輪廓提取思想，加載分類器在當(dāng)前幀的前景輪

3、廓內(nèi)對(duì)人頭進(jìn)行多尺度檢測(cè)，不但可以提高系統(tǒng)的檢測(cè)精度，也可以提升人頭的檢測(cè)速度。運(yùn)動(dòng)目標(biāo)跟蹤方面，研究了常用的跟蹤方法，分析了幾種方法的優(yōu)缺點(diǎn)，針對(duì)行人遮擋問題，發(fā)展了一種基于 Meanshift和 Kalman相結(jié)合的行人跟蹤算法，當(dāng)人群密度較大時(shí)，遮擋較嚴(yán)重時(shí)，本文提出了一種基本多特征匹配的行人跟蹤算法。
　　最后，為了驗(yàn)證本文算法的有效性和實(shí)時(shí)性，選取不同的場(chǎng)景和視頻中不同的人數(shù)對(duì)該系統(tǒng)進(jìn)行了測(cè)試，實(shí)驗(yàn)結(jié)果表明本文的算法抗干